基于全基因组测序的沙门氏菌耐药性监测精准化：流行病学框架优化与参数影响评估

　　本刊推荐：为提升全基因组测序(WGS)技术在抗菌药物耐药性(AMR)监测中的准确性，研究人员系统评估了基因覆盖度(COV)和核苷酸一致性(ID)参数对耐药基因检测效能的影响。通过分析1633株禽源沙门氏菌基因组数据，发现参数设置会显著影响耐药表型预测的敏感性与特异性，且这种影响因血清型和药物类别而异。该研究为优化WGS-based AMR监测提供了重要参数调整依据。

　　

随着抗菌药物耐药性(AMR)在全球范围内持续加剧，世界卫生组织预测到2050年因AMR导致的年死亡人数可能高达1000万。传统的药敏试验方法虽然可靠，但耗时费力且难以揭示耐药机制的全貌。全基因组测序(WGS)技术的出现为AMR监测带来了革命性突破，能够同时检测已知耐药基因(ARG)、染色体突变和可移动遗传元件。然而，基于序列比对的耐药基因检测方法存在一个关键挑战——软件默认参数可能并不适用于所有病原体-药物组合，如何优化检测参数成为实现精准化监测的核心问题。

在这项发表于《Canadian Journal of Microbiology》的研究中，Benjamin M. Hetman等研究人员通过构建流行病学分析框架，系统评估了基因覆盖度(COV)和核苷酸一致性(ID)参数对WGS-based AMR检测准确性的影响。研究团队利用加拿大禽类生产监测系统收集的1633株沙门氏菌（包括S. Heidelberg和S. Kentucky血清型）的全基因组数据，结合表型药敏试验结果，采用StarAMR软件进行耐药基因检测，并通过混合逻辑回归模型分析了不同参数组合对检测敏感性和特异性的影响。

研究采用了几项关键技术方法：首先从加拿大禽类抗微生物耐药性综合监测计划(CIPARS)和加拿大食品检验局(CFIA)2003-2015年间的监测样本中获取细菌分离株；使用肉汤微量稀释法测定最小抑菌浓度(MIC)并进行表型药敏试验；通过Illumina平台进行全基因组测序并使用Unicycler进行基因组组装；应用StarAMR软件（整合Resfinder、Pointfinder和Plasmidfinder数据库）进行耐药基因检测；采用混合逻辑回归模型分析参数设置与检测准确性之间的关系，并控制重复测量的影响。

3.1. Description of dataset

研究共纳入1633株沙门氏菌分离株，其中S. Heidelberg占84%(n=1364)，S. Kentucky占16%(n=269)。样本主要来自安大略省和魁北克省(65%)，覆盖2003-2015年共13个采样年份。所有分离株均完成了17种抗菌药物的敏感性试验，其中S. Heidelberg对β-内酰胺类药物耐药率高达99%，而S. Kentucky对氨基糖苷类和四环素类药物的耐药率分别达到84%和86%。

3.2. Results from in silico AMR detection using starAMR

使用StarAMR在60% COV和98% ID的参数下共检测到44个AMR相关基因或突变。基因一致性分值主要集中在95%-100%之间，而基因覆盖度分值变异性较大，特别是在氨基糖苷类耐药基因和β-内酰胺酶基因中。bla_CMY-2是最常见的β-内酰胺酶基因，在S. Heidelberg和S. Kentucky中的携带率分别为50%和88%。

3.3. Final model results

3.3.1. Aminoglycosides

氨基糖苷类耐药检测模型显示，ID、COV以及它们的交互作用对特异性有显著影响。高ID和COV值使特异性接近100%，但会降低检测敏感性。这种影响在S. Heidelberg和S. Kentucky中存在显著差异。

3.3.2. Beta-lactamases (any bla-genotype)

β-内酰胺酶检测的特异性仅与血清型相关，而敏感性受ID、COV、血清型三者的交互影响。敏感性随ID和COV增加而降低，且S. Kentucky中的变化更为复杂。

3.3.3. Beta-lactamases (bla_cmy-2 only)

针对bla_CMY-2的特异性分析显示，S. Kentucky的特异性显著低于S. Heidelberg。敏感性分析揭示了ID、COV和血清型之间的复杂交互关系，不同血清型表现出截然不同的趋势。

3.3.4. Tetracyclines

四环素类耐药检测的特异性仅与血清型相关，而敏感性受ID、COV、血清型及ID-COV交互作用的影响。与氨基糖苷类类似，敏感性随ID和COV增加而降低，且血清型间存在巨大差异。

研究结论表明，WGS技术在AMR监测中具有巨大潜力，但其检测准确性高度依赖于参数设置、药物类别和细菌血清型。极端严格的参数设置(如100% ID和COV)虽然能提高特异性，但会显著降低检测敏感性，这可能是由于测序错误、组装不完整或天然基因变异所致。参数设置与血清型之间的交互作用提示，在实际监测工作中需要针对不同病原体-药物组合优化检测参数。

这项研究的重要意义在于首次系统量化了WGS-based AMR检测中参数设置对准确性的影响，并提供了基于大规模实证数据的参数优化框架。研究结果提醒我们，在将WGS技术应用于大规模AMR监测时，不应简单采用软件默认设置，而需要根据具体的监测目标和病原体特性进行参数优化。该研究为未来建立标准化、精准化的WGS-based AMR监测方案提供了科学依据，对全球AMR防控战略的实施具有重要指导价值。